基于Python的机器学习系列(14):随机森林(Random Forests)

2024-08-28 09:44

本文主要是介绍基于Python的机器学习系列(14):随机森林(Random Forests),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简介

        在上一节中,我们探讨了Bagging方法,并了解到通过构建多个树模型来减少方差是有效的。然而,Bagging方法中树与树之间仍然可能存在一定的相关性,降低了方差减少的效果。为了解决这个问题,我们引入了随机森林(Random Forests),这是一种基于Bagging的增强技术,通过在每个树的每个分割点上随机选择特征来进一步减少树之间的相关性。

1. Out of Bag (OOB) 评价

        在Bagging方法中,每棵树仅看到训练数据的一个子集。未被某棵树看到的数据被称为“袋外”(Out of Bag, OOB)数据。由于OOB数据对这棵树来说是完全陌生的,我们可以将其视为一种验证集,用来评估模型的性能。具体来说,在训练每棵树后,我们可以使用这棵树的OOB数据来测试其准确性,然后平均所有树的OOB准确性,得到整体模型的OOB评价分数。

2. 随机特征子集

        随机森林通过Bagging方法构建,但在每棵树的每个分割点上,只考虑特定数量的随机特征子集进行分裂。这样可以进一步去除树之间的相关性。通常,分类树中使用的随机特征子集大小为特征总数的平方根。

3. 特征重要性

        随机森林中的每棵决策树都可以计算每个特征对减少不纯度的贡献,并对所有树中的特征重要性进行平均,得到最终的特征重要性排序。这种方法可以帮助我们理解哪些特征在模型中最为重要。

4. 从零开始的实现

代码示例

# 引入必要的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target# 分割训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, shuffle=True, random_state=42)# 实现RandomForest类
import random, math
from sklearn.tree import DecisionTreeClassifier
from scipy import statsclass RandomForest:def __init__(self, B, bootstrap_ratio, with_no_replacement=True):self.B = Bself.bootstrap_ratio = bootstrap_ratioself.with_no_replacement = with_no_replacementself.tree_params = {'max_depth': 2, 'max_features': 'sqrt'}self.models = [DecisionTreeClassifier(**self.tree_params) for _ in range(B)]def fit(self, X, y):m, n = X.shapesample_size = int(self.bootstrap_ratio * len(X))xsamples = np.zeros((self.B, sample_size, n))ysamples = np.zeros((self.B, sample_size))xsamples_oob = []ysamples_oob = []for i in range(self.B):oob_idx = []idxes = []for j in range(sample_size):idx = random.randrange(m)if (self.with_no_replacement):while idx in idxes:idx = random.randrange(m)idxes.append(idx)oob_idx.append(idx)xsamples[i, j, :] = X[idx]ysamples[i, j] = y[idx]mask = np.zeros((m), dtype=bool)mask[oob_idx] = Truexsamples_oob.append(X[~mask])ysamples_oob.append(y[~mask])oob_score = 0print("======Out of bag score for each tree======")for i, model in enumerate(self.models):_X = xsamples[i]_y = ysamples[i]model.fit(_X, _y)_X_test = np.asarray(xsamples_oob[i])_y_test = np.asarray(ysamples_oob[i])yhat = model.predict(_X_test)oob_score += accuracy_score(_y_test, yhat)print(f"Tree {i}", accuracy_score(_y_test, yhat))self.avg_oob_score = oob_score / len(self.models)print("======Average out of bag score======")print(self.avg_oob_score)def predict(self, X):predictions = np.zeros((self.B, X.shape[0]))for i, model in enumerate(self.models):yhat = model.predict(X)predictions[i, :] = yhatreturn stats.mode(predictions)[0][0]model = RandomForest(B=5, bootstrap_ratio=0.8)
model.fit(X_train, y_train)
yhat = model.predict(X_test)
print(classification_report(y_test, yhat))

5. Sklearn 实现

# 使用Sklearn中的RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCVparam_grid = {"n_estimators": [10, 50, 100], "criterion": ["gini", "entropy"],"max_depth": np.arange(1, 10)}
model = RandomForestClassifier()grid = GridSearchCV(model, param_grid, refit=True)
grid.fit(X_train, y_train)print(grid.best_params_)yhat = grid.predict(X_test)print(classification_report(y_test, yhat))

使用随机森林的时机

优点:

  • 通过投票机制减少过拟合
  • 可以并行计算,提高计算效率
  • 适用于高维数据
  • 提供特征重要性评估
  • 能够处理缺失数据
  • 适用于不平衡数据集
  • 能够解决分类和回归问题

缺点:

  • 对回归问题效果不如分类问题
  • 随机森林模型较为复杂,解释性较差
  • 对稀有特征或结果不敏感
  • 在某些情况下,更多的样本并不会提高准确性

        在处理结构化数据时,如果你追求高准确性而不太关心可解释性,随机森林是一个很好的选择。

结语

        随机森林作为一种集成学习方法,通过结合多棵决策树并进行投票或平均来提高模型的准确性和鲁棒性。它不仅能有效地减少单一决策树容易出现的过拟合问题,还能够处理高维数据和不平衡数据集,提供有价值的特征重要性评估。尽管随机森林在某些情况下可能缺乏深度解释性,但其强大的预测能力使其在实际应用中广受欢迎。总之,随机森林是一种灵活且强大的工具,尤其适合在对解释性要求不高的情况下追求高准确性的任务。

如果你觉得这篇博文对你有帮助,请点赞、收藏、关注我,并且可以打赏支持我!

欢迎关注我的后续博文,我将分享更多关于人工智能、自然语言处理和计算机视觉的精彩内容。

谢谢大家的支持!

这篇关于基于Python的机器学习系列(14):随机森林(Random Forests)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1114409

相关文章

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认

Python实现特殊字符判断并去掉非字母和数字的特殊字符

《Python实现特殊字符判断并去掉非字母和数字的特殊字符》在Python中,可以通过多种方法来判断字符串中是否包含非字母、数字的特殊字符,并将这些特殊字符去掉,本文为大家整理了一些常用的,希望对大家... 目录1. 使用正则表达式判断字符串中是否包含特殊字符去掉字符串中的特殊字符2. 使用 str.isa

python中各种常见文件的读写操作与类型转换详细指南

《python中各种常见文件的读写操作与类型转换详细指南》这篇文章主要为大家详细介绍了python中各种常见文件(txt,xls,csv,sql,二进制文件)的读写操作与类型转换,感兴趣的小伙伴可以跟... 目录1.文件txt读写标准用法1.1写入文件1.2读取文件2. 二进制文件读取3. 大文件读取3.1

使用Python实现一个优雅的异步定时器

《使用Python实现一个优雅的异步定时器》在Python中实现定时器功能是一个常见需求,尤其是在需要周期性执行任务的场景下,本文给大家介绍了基于asyncio和threading模块,可扩展的异步定... 目录需求背景代码1. 单例事件循环的实现2. 事件循环的运行与关闭3. 定时器核心逻辑4. 启动与停

基于Python实现读取嵌套压缩包下文件的方法

《基于Python实现读取嵌套压缩包下文件的方法》工作中遇到的问题,需要用Python实现嵌套压缩包下文件读取,本文给大家介绍了详细的解决方法,并有相关的代码示例供大家参考,需要的朋友可以参考下... 目录思路完整代码代码优化思路打开外层zip压缩包并遍历文件:使用with zipfile.ZipFil

Python处理函数调用超时的四种方法

《Python处理函数调用超时的四种方法》在实际开发过程中,我们可能会遇到一些场景,需要对函数的执行时间进行限制,例如,当一个函数执行时间过长时,可能会导致程序卡顿、资源占用过高,因此,在某些情况下,... 目录前言func-timeout1. 安装 func-timeout2. 基本用法自定义进程subp

Python实现word文档内容智能提取以及合成

《Python实现word文档内容智能提取以及合成》这篇文章主要为大家详细介绍了如何使用Python实现从10个左右的docx文档中抽取内容,再调整语言风格后生成新的文档,感兴趣的小伙伴可以了解一下... 目录核心思路技术路径实现步骤阶段一:准备工作阶段二:内容提取 (python 脚本)阶段三:语言风格调

Python结合PyWebView库打造跨平台桌面应用

《Python结合PyWebView库打造跨平台桌面应用》随着Web技术的发展,将HTML/CSS/JavaScript与Python结合构建桌面应用成为可能,本文将系统讲解如何使用PyWebView... 目录一、技术原理与优势分析1.1 架构原理1.2 核心优势二、开发环境搭建2.1 安装依赖2.2 验

一文详解如何在Python中从字符串中提取部分内容

《一文详解如何在Python中从字符串中提取部分内容》:本文主要介绍如何在Python中从字符串中提取部分内容的相关资料,包括使用正则表达式、Pyparsing库、AST(抽象语法树)、字符串操作... 目录前言解决方案方法一:使用正则表达式方法二:使用 Pyparsing方法三:使用 AST方法四:使用字